بازسازی حرکت سه بعدی انسان با استفاده از دونما و تولید فایل bvh با رویکرد یادگیری عمیق و Triangulation

در این پژوهش، یک سیستم ساده و مقرون به صرفه برای بازسازی حرکت سه بعدی انسان با دقت بالا طراحی و پیاده سازی شده است. هدف اصلی این پژوهش، افزایش دقت تخمین وضعیت بدن وبازسازی حرکات سه بعدی بدن انسان و همچنین کاهش خطاهای ناشی از پوشیدگی اعضای بدن در تصاویر دوبعدی است. از این جهت، از دو نمای ویدیویی هم زمان (نمای روبه رو و نمای جانبی) استفاده شده تا اطلاعات بیشتری از حرکات سوژه در اختیار سیستم قرار بگیرد. استخراج نقاط کلیدی بدن از هر نما با بهره گیری از مدل آموزش دیده ی AlphaPose انجام شده و سپس با استفاده از الگوریتم Triangulation، مختصات سه بعدی اسکلت انسان بازسازی شده است. داده های به دست آمده به صورت فرمت استاندارد BVH ذخیره شده و دقت و عملکرد سیستم با نمایش خروجی ها در محیط نرم افزار Blender مورد ارزیابی قرار گرفته است. نتایج حاصل نشان می دهد که استفاده از دو نما در فرایند موشن کپچر می تواند به طور موثری خطاهای ناشی از اختفای مفاصل را کاهش داده و کیفیت بازسازی حرکت را بهبود بخشد، در حالی که هزینه و پیچیدگی اجرای سیستم به طور قابل توجهی کاهش یافته است.

کلیدواژه ها:

موشن کپچر ، بازسازی سه بعدی ، Triangulation ، BVH ، Alphapose ، یادگیری عمیق ، تخمین وضعیت بدن